如何在R中从单个Excel工作表提取多个数据集？哪种方式更简便？

核心结论 #

导入过程中直接拆分数据集更高效，无需加载整个工作表后再筛选，既节省内存，又简化后续清洗步骤。

实现步骤（基于readxl包） #

1. 加载必要包

library(readxl)
library(dplyr)

2. 读取工作表原始内容（用于定位数据集位置）

先读取全表的文本格式内容，方便识别标题行和空行：

# 替换为你的文件路径
raw_path <- "你的Excel文件路径.xlsx"
raw_data <- read_excel(raw_path, sheet = 1, col_types = "text")

3. 定位各数据集的标题行

根据你提供的数据集名称，找到它们在工作表中的行号：

dataset_names <- c("DEMOGRAPHIE", "CARACTERISTIQUE", "FIN", "EI", "EIG")
title_rows <- which(raw_data[[1]] %in% dataset_names)

4. 定义提取函数（适配不确定空行间隔的情况）

该函数会自动识别每个数据集的表头和结束行：

extract_single_dataset <- function(title_row) {
  # 表头行是标题行的下一行
  header_row <- title_row + 1
  
  # 查找数据集结束行：从表头行下一行开始，找到第一个连续3个空行的位置
  find_end <- function(start) {
    current <- start
    while (current <= nrow(raw_data)) {
      if (current + 2 <= nrow(raw_data)) {
        # 检查当前及后续2行是否全为空
        if (all(is.na(raw_data[current:(current+2), ]) | raw_data[current:(current+2), ] == "")) {
          return(current - 1)
        }
      }
      current <- current + 1
    }
    # 如果到表尾还没找到空行，就取最后一行非空行
    return(max(which(!is.na(raw_data[[1]]) & raw_data[[1]] != "")))
  }
  
  end_row <- find_end(header_row + 1)
  
  # 读取目标数据集，自动将表头行设为列名
  dataset <- read_excel(raw_path, sheet = 1,
                        skip = header_row - 1,  # 跳过表头行之前的所有内容
                        n_max = end_row - header_row + 1)  # 只读取数据集的行数
  
  return(dataset)
}

5. 批量提取所有数据集

将提取结果存入列表，方便后续调用：

datasets <- lapply(title_rows, extract_single_dataset)
names(datasets) <- dataset_names

# 调用示例：提取DEMOGRAPHIE数据集
datasets$DEMOGRAPHIE

两种方案对比 #

• 导入过程中处理：直接通过skip和n_max参数定位读取，无需加载全表，内存占用小，逻辑清晰，适合大文件。
• 导入后处理：需要先加载全表，再通过行号筛选、删除空行和无关内容，步骤繁琐，且大文件会占用更多内存。

内容的提问来源于stack exchange，提问作者Seydou GORO